CN111737547A - 商户信息的获取系统、方法、装置、设备及存储介质 - Google Patents
商户信息的获取系统、方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111737547A CN111737547A CN202010553229.3A CN202010553229A CN111737547A CN 111737547 A CN111737547 A CN 111737547A CN 202010553229 A CN202010553229 A CN 202010553229A CN 111737547 A CN111737547 A CN 111737547A
- Authority
- CN
- China
- Prior art keywords
- image
- merchant information
- server
- information
- merchant
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims description 53
- 238000012545 processing Methods 0.000 claims abstract description 27
- 238000001514 detection method Methods 0.000 claims description 40
- 238000010801 machine learning Methods 0.000 claims description 13
- 238000012549 training Methods 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 6
- 238000013527 convolutional neural network Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 18
- 238000010586 diagram Methods 0.000 description 13
- 239000000284 extract Substances 0.000 description 11
- 230000001133 acceleration Effects 0.000 description 9
- 230000003287 optical effect Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 230000002093 peripheral effect Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000005034 decoration Methods 0.000 description 4
- 230000009977 dual effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000001737 promoting effect Effects 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 239000000919 ceramic Substances 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 235000004789 Rosa xanthina Nutrition 0.000 description 1
- 241000109329 Rosa xanthina Species 0.000 description 1
- 230000003796 beauty Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/909—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Library & Information Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种商户信息的获取系统、装置、设备及介质,属于图像处理技术领域。该系统包括:客户端和服务器,客户端和服务器之间通过网络连接;客户端用于获取第一图像和终端所在的地理位置,第一图像是商户对应的门店店面的图像;向服务器发送商户信息查询请求,商户信息查询请求携带有第一图像和地理位置;服务器用于根据地理位置生成商户信息列表,商户信息列表包括候选商户信息;对第一图像进行识别,得到第一商户信息;将第一商户信息与候选商户信息进行匹配,得到商户信息的匹配值;根据匹配值从候选商户信息中确定第一图像对应的目标商户信息;将目标商户信息发送至客户端。使得客户端能够接收到准确的商户信息。
Description
技术领域
本申请涉及图像处理技术领域,特别涉及一种商户信息的获取系统、方法、装置、设备及存储介质。
背景技术
随着互联网技术的发展,用户可在应用程序中查询商户信息,如商户与用户所在位置的距离、人均消费水平、商户好评率等。
当用户位于商户附近时,应用程序通过用户所在的位置,确定在用户附近的商户,并向用户反馈包含商户信息的信息列表。在信息列表中,商户信息按照商户与用户之间的距离,由近至远进行排序显示。
基于上述情况,当用户位于室内场景时,如商场,终端的定位系统无法对用户精准定位,从而无法准确向用户反馈对应位置的商户信息。
发明内容
本申请实施例提供了一种商户信息的获取系统、方法、装置、设备及存储介质,通过“图像识别+定位分析”的双重方式,使得客户端能够接收到准确的商户信息。所述技术方案如下:
根据本申请的一个方面,提供了一种商户信息的获取系统,所述系统包括:客户端和服务器,所述客户端和所述服务器之间通过网络连接;
所述客户端,用于获取第一图像和终端所在的地理位置,所述第一图像是商户对应的门店店面的图像;向所述服务器发送商户信息查询请求,所述商户信息查询请求携带有所述第一图像和所述地理位置;
所述服务器,用于根据所述地理位置生成商户信息列表,所述商户信息列表包括候选商户信息;对所述第一图像进行识别,得到第一商户信息;将所述第一商户信息与所述候选商户信息进行匹配,得到所述商户信息的匹配值;根据所述匹配值从所述候选商户信息中确定所述第一图像对应的目标商户信息;将所述目标商户信息发送至所述客户端。
根据本申请的另一方面,提供了一种商户信息的获取方法,所述方法应用于客户端中,所述方法包括:
获取第一图像和终端所在的地理位置,所述第一图像是商户对应的门店店面的图像;
响应于接收到查询操作,向服务器发送商户信息查询请求,所述商户信息查询请求携带有所述第一图像和所述地理位置;
显示所述第一图像对应的目标商户信息,所述目标商户信息是服务器根据所述第一图像和所述地理位置查询到的。
根据本申请的另一方面,提供了一种文字检测模型的训练方法,所述方法包括:
获取样本图像和所述样本图像的文字信息,所述样本图像是门店店面的图像;
将所述样本图像输入至所述文字检测模型中,得到所述样本图像对应的预测文字信息;
计算所述预测文字信息和所述文字信息的误差;
根据所述误差利用反向传播算法训练所述文字检测模型,得到训练后的文字检测模型。
根据本申请的另一方面,提供了一种商户信息的获取装置,所述装置包括:
获取模块,用于获取第一图像和终端所在的地理位置,所述第一图像是商户对应的门店店面的图像;
发送模块,用于响应于接收到查询操作,向服务器发送商户信息查询请求,所述商户信息查询请求携带有所述第一图像和所述地理位置;
显示模块,用于显示所述第一图像对应的目标商户信息,所述目标商户信息是服务器根据所述第一图像和所述地理位置查询到的。
根据本申请的另一方面,提供了一种计算机设备,所述计算机设备包括:处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上方面所述的商户信息的获取方法。
根据本申请的另一方面,提供了一种计算机可读存储介质,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如上方面所述的商户信息的获取方法。
本申请实施例提供的技术方案带来的有益效果至少包括:
通过客户端将获取到的门店店面的图像和终端的地理位置上传至服务器,服务器根据地理位置和对图像的识别结果,匹配到与图像对应的目标商户信息,并向用户反馈查询到的目标商户信息,即使用户位于室内场景,也能够根据门店店面的图像得到该门店对应的商户信息,通过“图像识别+定位分析”的双重方式,使得客户端能够接收到准确的商户信息。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请一个示例性实施例提供的商户信息的查询方法的流程图;
图2是本申请一个示例性实施例提供的计算机系统的框图;
图3是本申请一个示例性实施例提供的商户信息的获取方法的流程图;
图4是本申请另一个示例性实施例提供的商户信息的获取方法的流程图;
图5是本申请一个示例性实施例提供的第一图像的示意图;
图6是本申请一个示例性实施例提供的灰度图的示意图;
图7是本申请一个示例性实施例提供的结合客户端的商户信息的获取方法的流程图;
图8是本申请另一个示例性实施例提供的第一图像的示意图;
图9是本申请一个示例性实施例提供的第一图像与第二图像的相似度示意图;
图10是本申请另一个示例性实施例提供结合客户端的商户信息的获取方法的流程图;
图11是本申请一个示例性实施例提供的用户界面示意图;
图12是本申请一个示例性实施例提供的商户信息的获取装置的框图;
图13是本申请另一个示例性实施例提供的商户信息的获取装置的框图;
图14是本申请一个示例性实施例提供的服务器的装置结构示意图;
图15是本申请一个示例性实施例提供的计算机设备的装置结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
首先,对本申请实施例中涉及的名词进行介绍:
商户信息列表:是指包括候选商户信息的列表。候选商户信息是以终端所在的位置为中心,获取预设范围内的商户对应的商户信息。比如,服务器获取以终端所在的位置为中心,半径为1公里以内的商户对应的商户信息,将这些商户信息作为候选商户信息,生成商户信息列表。
灰度图(Gray Scale Image,GSI):又被命名为灰阶图,是指将白色与黑色之间按照对数关系分为若干等级,以灰度描述这些等级,灰度包括256阶,其中白色对应255阶,黑色对应0阶。
差异哈希值(dHash):是指利用差异哈希算法计算图像的差异哈希值,从而通过差异哈希值计算图像之间的汉明距离(Hamming Distance,HD),根据汉明距离的大小判断图像之间的相似度。差异哈希算法属于感知哈希算法(Perceptual Hash Algorithm,PHA)的一种。感知哈希算法用于对每张图片生成一个“图像指纹”(fingerprint)字符串,然后比较不同图像的图像指纹,以确定两张图像是否相似。
用户在应用程序中查询商户信息时,通常采用输入文字进行搜索或者查看自己所在位置附近的商户信息,比如,用户输入自己想吃的食物,或直接搜索店铺的名称。上述获取商户信息的方式可能存在如下问题:通过文字输入搜索的方式步骤繁琐、效率较低,用户需要将文字输入进搜索栏中;通过定位的方式可能存在定位不精准的问题,如用户在商场等室内环境中,易于因为定位不精准无法准确定位用户要查询的商户信息。
本申请实施例提供了一种商户信息的获取方法,通过终端定位和店面图像结合,使得用户能够准确获取到所在位置的商户信息。
图1示出了本申请一个示例性实施例提供的商户信息的获取方法的流程图,该方法可应用于如图2所示的计算机系统100中,该方法包括如下步骤:
S1,用户使用终端获取门店店面的第一图像。
用户可通过终端直接拍摄门店店面的照片,或者应用程序自动调用终端上的摄像应用程序拍摄门店店面的照片,或者用户使用终端从互联网上下载门店店面的图像。该照片可以是以正对门店店面的角度进行拍摄的,或者以任意角度进行拍摄的。
S2,客户端将第一图像和终端所在的地理位置发送给服务器。
终端设置有定位系统(GPS定位系统,Global Positioning System),通过定位系统将终端所在的位置发送给服务器。
S3,服务器根据地理位置提取出一定范围内的商户信息。
服务器根据终端所在的位置确定以该位置为中心,一定范围内的所有商户的商户信息,生成商户信息列表。比如,服务器获取以终端所在的位置为中心,半径为一公里以内的商户信息,生成商户信息列表。
S4,服务器根据第一图像识别出门店的店名。
服务器调用文字检测模型(Optical Character Recognition,OCR)识别图像中门店的店名。
S5,服务器将识别到的店名与商户信息列表中的商户信息进行匹配。
服务器将识别出的店名与商户信息列表中的商户信息进行模糊匹配。商户信息列表是服务器根据提取到的一定范围内的商户信息生成的,商户信息列表包括候选商户信息。
S6,若匹配出的结果是唯一的,则服务器将匹配到的结果发送给客户端。
若根据识别出的店名从商户信息列表中匹配出唯一的商户信息,则服务器将该商户信息发送给客户端;反之,执行S7。
S7,若匹配出的结果是不唯一的,则服务器对第一图像对应的第一图像指纹与商户信息列表中的候选商户信息对应的第二图像指纹进行相似度计算,结合终端所在的位置、店名匹配结果、图像指纹的相似度综合得出匹配结果。
服务器利用感知哈希算法对终端获取的图像生成第一图像指纹,由于入驻应用程序的商户需要将门店店面的图像上传至服务器中,服务器从商户信息列表中提取商户信息对应的第二图像指纹,计算第一图像指纹和第二图像指纹的相似度,根据相似度、终端所在的位置和店名匹配结果从商户信息列表中确定唯一的匹配结果。
S8,服务器将匹配到的结果发送给客户端。
该匹配结果是门店店面对应的商户信息,如商户的经营范围、商户的人均消费、商户的好评率、商户的地址等。
本实施例提供的方法,通过终端获取门店店面的图像,并将该图像和位置均发送至服务器,服务器根据得到的图像和位置来确定图像对应的商户信息,使得用户能够获知准确的商户信息,提高了用户的搜索效率。
图2示出了本申请一个示例性实施例提供的计算机系统结构示意图。该计算机系统100包括终端101和服务器102,终端101和服务器102之间通过有线网络或无线网络连接。
终端101上安装和运行有支持获取商户信息的应用程序。该应用程序可以是团购平台,该应用程序提供有线下实体店铺的商户信息,比如,店铺地址、销售的商品、商家的联系方式等。该应用程序为用户提供商户的优惠信息,如商户发放的优惠券、打折的商品等,用户在该应用程序上支付,享受优惠后的商品价格。终端101还用于获取商户的门店店面图像。
服务器102包括一台服务器、多台服务器、云计算平台和虚拟化中心中的至少一种。示意性的,服务器102包括处理器和存储器,存储器用于存储商户信息,获取终端101发送的含有商户信息的图像,并向终端101发送查询到的商户信息。处理器用于调用文字检测模型对图像中的文字进行识别。服务器102用于为支持团购的应用程序提供后台服务。可选地,服务器102承担主要计算工作,终端101承担次要计算工作;或者,服务器102承担次要计算工作,终端101承担主要计算工作;或者,服务器102和终端101两者之间采用分布式计算架构进行协同计算。
上述终端的设备类型包括:智能手机、平板电脑、智能手表、电子书阅读器、MP3播放器、MP4播放器、膝上型便携计算机和台式计算机中的至少一种。以下实施例以终端包括智能手机来举例说明。
当用户在一家商户附近时,用户使用终端101获取商户的门店店面图像,终端101将门店店面图像和终端101所在的位置发送给服务器102,服务器102根据终端101所在的位置提取出商户信息列表,该商户信息列表包括以终端101的位置为中心,一定范围内的商户对应的商户信息。服务器102调用文字检测模型对门店店面的图像进行识别,识别出图像中可能包括的店名,并与存储在服务器中的商户信息进行匹配,得到该图像对应的商户信息。服务器102将查询到的商户信息发送至终端101,使得用户无需进入门店,即可了解该门店的商户信息。
图3示出了本申请一个示例性实施例提供的商户信息的获取方法的流程图,该方法可应用于如图2所示的计算机系统100中,该计算机系统100是商户信息的获取系统,包括客户端和服务器,客户端和服务器之间通过网络连接。该方法包括如下步骤:
步骤301,客户端获取第一图像和终端所在的地理位置,第一图像是商户对应的门店店面的图像。
用户使用的终端上安装和运行有支持获取商户信息的客户端,用户通过该客户端查询到商户信息。
第一图像可以通过如下方式进行获取:用户可以使用终端上的支持摄像功能的应用程序对门店店面进行拍照,或者,用户可以通过客户端调用摄像应用程序对门店店面进行拍照,或者,用户使用的终端中存储有门店店面的图片,或者,用户使用的终端中存储有关于门店店面的视频帧,从视频帧中提取出门店店面的图片,或者,用户从互联网上下载关于门店店面的图片。
第一图像可以是以正对店面的角度得到的图像,或以任意角度对店面进行拍摄得到的图像。第一图像包括店面的招牌、店面的标志(logo)、店面的装修风格、店面附近的环境中的至少一种。
终端所在的地理位置可通过如下方式获取:终端通过卫星定位的方式确定地理位置,如GPS定位;或者,终端通过无线网络接入点(Access Point,AP)的定位的方式确定地理位置,或者,终端通过搜索附近的基站信号确定地理位置。
步骤302,客户端向服务器发送商户信息查询请求,商户信息查询请求携带有第一图像和地理位置。
客户端根据第一图像和地理位置生成商户信息查询请求,并将商户信息查询请求发送至服务器。示意性的,商户查询请求携带的第一图像是店铺名称为A的店面的图像,地理位置是东经116°,北纬39°。在一些实施例中,商户信息查询请求还包括用户标识,比如用户登录客户端时使用的用户帐号。
步骤303,服务器根据地理位置生成商户信息列表,商户信息列表包括候选商户信息。
服务器根据客户端上报的地理位置,获取一定范围内的商户信息,或者,获取某一类型的商户信息,或者,获取全部商户信息。示意性的,服务器获取以终端所在的地理位置为中心,半径为1公里的范围内的商户信息,服务器根据该范围内的商户信息生成商户信息列表。示意性的,终端所在的地理位置对应一种类型的店铺,如终端所在的地理位置位于一条街道上,该街道上经营的店铺是关于食品的店铺,则服务器获取符合美食类型的商户信息,生成商户信息列表。
商户信息列表包括服务器根据地理位置获取到的多条候选商户信息。
步骤304,服务器对第一图像进行识别,得到第一商户信息。
服务器调用相关识别模型对第一图像进行识别。相关识别模型识别出第一图像包含的店铺名称,或识别出第一图像包含的店铺商标,或识别出第一图像包含的店铺装修风格,或识别出第一图像包含的门店附近的环境。
相关识别模型可以是具有文字检测功能的机器学习模型,或,具有商标识别功能的机器学习模型,或,具有风格识别功能的机器学习模型,或,具有场景识别功能的机器学习模型。
示意性的,第一商户信息包括文字信息、商标信息、场景信息、风格信息中的至少一种。
步骤305,服务器将第一商户信息与候选商户信息进行匹配,得到商户信息的匹配值。
服务器将从第一图像中识别到的第一商户信息与商户信息列表中的候选商户信息进行匹配。商户信息列表包括一条候选商户信息,服务器将第一商户信息直接与该候选商户信息进行匹配,得到唯一的匹配值;或商户信息列表包括多条候选商户信息,服务器将第一商户信息与多条候选商户信息一一匹配,得到多个匹配值。
示意性的,匹配值以百分数表示,本申请实施例对匹配值的表示方式不加以限定。匹配值越高,进行匹配的第一商户信息和候选商户信息越相近。
步骤306,服务器根据匹配值从候选商户信息中确定第一图像对应的目标商户信息。
服务器根据匹配值的高低确定第一图像对应的目标商户信息。示意性的,第一商户信息与候选商户信息a的匹配值是71%,与候选商户信息b的匹配值是54%,与候选商户信息c的匹配值是23%,则服务器确定第一商户信息与候选商户信息a最接近,候选商户信息a为第一图像对应的候选商户信息。
步骤307,服务器将目标商户信息发送至客户端。
服务器向发送商户信息查询请求的客户端发送匹配后确定的目标商户信息。
综上所述,本实施例提供的方法,通过客户端将获取到的门店店面的图像和终端的地理位置上传至服务器,服务器根据地理位置和对图像的识别结果,匹配到与图像对应的目标商户信息,并向用户反馈查询到的目标商户信息,即使用户位于室内场景,也能够根据门店店面的图像得到该门店对应的商户信息,通过“图像识别+定位分析”的双重方式,使得客户端能够接收到准确的商户信息。
图4示出了本申请另一个示例性实施例提供的商户信息的获取方法的流程图。该方法可应用于如图2所示的计算机系统100中,该计算机系统100是商户信息的获取系统,包括客户端和服务器,客户端和服务器之间通过网络连接。该方法包括如下步骤:
步骤401,客户端获取第一图像和终端所在的地理位置,第一图像是商户对应的门店店面的图像。
示意性的,用户使用终端上支持摄像功能的应用程序以正对门店店面的角度进行拍摄,得到第一图像。终端所在的地理位置为东经116°,北纬39°。
步骤402,客户端向服务器发送商户信息查询请求,商户信息查询请求携带有第一图像和地理位置。
客户端根据第一图像和地理位置生成商户信息查询请求,并向服务器发送该商户信息查询请求。
步骤403,服务器获取地理位置为中心的预设范围内的商户信息。
服务器根据终端上报的地理位置为东经116°,北纬39°,以地理位置为中心,半径为一公里的圆形区域型为预设范围,获取该预设范围内的所有商户对应的商户信息。在一些实施例中,预设范围为以该地理位置为中心的矩形区域、五边形区域、六边形区域等其他任意形状的区域。
步骤404,服务器根据预设范围内的商户信息生成商户信息列表。
服务器圆形区域内的所有商户信息作为候选商户信息,生成商户信息列表。
步骤405,服务器对第一图像进行识别,得到第一商户信息。
示意性的,服务器从第一图像中识别到的商户信息可以是第一图像中的文字。
服务器调用文字检测模型对第一图像进行识别,得到第一图像中的第一文字信息,文字检测模型是具有文字识别能力的机器学习模型。
在一个示例中,第一图像中存在店铺名称,如在店铺的牌匾上设置有店铺的店名,文字检测模型识别第一图像中的店铺名称。如图5所示,第一图像中包括店铺名称50“美丽奇遇”的门店店面,文字检测模型将待识别的文字进行标定。
在一个示例中,第一图像中存在店铺提供的服务,如门店店面的玻璃上设置有经营范围(本店售有多种翻糖蛋糕),或门店设置有宣传广告,如宣传海报或显示有广告的显示屏等,文字检测模型识别第一图像中关于经营范围或关于宣传广告的文字。
可选地,文字检测模型包括全卷积神经网络。服务器调用全卷积神经网络对第一图像进行识别,得到第一图像中的第一文字信息。
全卷积神经网络(Fully Convolutional Networks,FCN)包括全卷积部分和反卷积部分,其中,全卷积部分是将卷积神经网络中的全连接层换成卷积层,用于提取图像中的特征,形成热点图(通过不同的标志对图像上的各个区域按照重要程度进行标注);反卷积部分是将小尺寸的热点图上采样得到原尺寸的语义分割图像。语义分割(SementicSegmentation)用于对于图像中的每个像素赋予一个标签,对图像中的每个像素进行分类,并确定每个像素在图像中的位置。
示意性的,服务器从第一图像中识别到的商户信息可以是第一图像中的商标。
服务器调用商标识别模型对第一图像进行识别,得到第一图像中的第一商标信息,商标识别模型是具有商标识别能力的机器学习模型。
在一些实施例中,第一图像包括商户对应的商标,商标是代表商户品牌的标志,如以字母、符号、数字等组成的标志。在另一些实施例中,商标是代表商户品牌的形象,如吉祥物形象、动漫形象、卡通形象等。
可选地,商标识别模型包括全卷积神经网络。
步骤406,服务器将第一商户信息与候选商户信息进行匹配,得到商户信息的匹配值。
服务器执行步骤405时得到的第一商户信息与商户信息列表中的候选商户信息进行匹配,第一商户信息包括第一文字信息和第二商标信息中的至少一种。示意性的,商户信息是在商户入驻平台时上传至服务器的信息,服务器预先对商户信息中包括的文字信息和商标信息进提取,或服务器将第一商户信息与候选商户信息进行匹配时提取文字信息和商标信息。
服务器将第一文字信息与候选商户信息的第二文字信息进行匹配,得到商户信息的第一匹配值。
服务器将第一商标信息与候选商户信息的第二商标信息进行匹配,得到商户信息的第二匹配值。
在一些实施例中,服务器设置有匹配阈值,当匹配值大于匹配阈值时,服务器确定两个匹配对象是匹配的。示意性的,匹配阈值为80%,第一文字信息与第二文字信息的第一匹配值为82%。示意性的,第一商标信息与第二商标信息的第二匹配值为90%,第一匹配值和第二匹配值均大于匹配阈值,则服务器确定第一商户信息和候选商户信息是匹配的,即两者表示同一商户的商户信息。在一些实施例中,匹配值阈值可以针对不同类型的信息进行设置,如文字信息设置有文字匹配阈值,商标信息设置有商标匹配阈值,服务器根据两类匹配值的权重确定第一商户信息是否与候选商户信息相匹配。
步骤407,服务器从第一图像中提取第一图像指纹,从候选商户信息的第二图像中提取第二图像指纹。
图像指纹是指用于唯一标识图像的标识。图像指纹的获取方式如下:
1、获取第一图像对应的第一灰度图。
灰度图是指以灰度表示的图像,灰度是指描述白色和黑色之间按照对数关系分成的若干等级。如图6所示,以不同的底纹表示一张图片中每个像素的灰度。
2、计算第一灰度图中的相邻像素之间的差异值,得到第一差异值序列。
比较每一灰度图的每一行像素中相邻像素之间的颜色强度,得到每一行像素中相邻像素之间的差异值;根据每一行像素之间的差异值,得到第一灰度图对应的第一差异值序列。
如图6所示,图片为9*8的分辨率,即图片包括8行,每行包括9个像素,单独计算每一行像素之间的差异值。以一行像素中第i个像素与第i+1个像素之间的颜色强度的大小确定差异值(i为正整数)。示意性的,颜色强度以十进制或十六进制的颜色代码表示,如黑色的颜色代码是(0,0,0)、蓝色的颜色代码是(0,0,139)。
在一个示例中,第3个像素的是黑色,第4个像素是蓝色,则第4个像素的颜色强度大于第3个像素的颜色强度,第3个像素与第4个像素之间的差异值为0;反之,前一个像素的颜色强度大于后一个像素的颜色强度,两者之间的差异值为1。一行9个像素对应有8个差异值,整张图片对应64个差异值。如第一行像素的差异值为10111010,第二行像素的差异值为01110110。
3、根据第一差异值序列得到第一图像指纹。
根据第一差异值序列,得到第一灰度图对应的差异哈希值;将差异哈希值作为第一图像指纹。
由上述实施例可知,64个差异值组成一个数组,该数组为第一差异值序列。将数组中的每一个差异值作为一个比特(bit),每8个bit组成一个十六进制的数值,将十六进制的数值转化为字符串,得到差异哈希值。该差异哈希值用于唯一标识图像,即差异哈希值为图像的指纹。
可以理解的是,第二图像指纹也是通过如上方式获取的,服务器可以预先根据获取到的商户信息提取第二图像指纹,也可以在第一图像指纹提取后再提取第二图像指纹。
步骤408,服务器计算第一图像指纹和第二图像指纹的相似度。
第一图像指纹和第二图像指纹通过如下方式得到:
计算第一图像指纹和第二图像指纹的汉明距离;根据汉明距离确定第一图像指纹与第二图像指纹的相似度。
由上述实施例可知,将差异哈希值作为图像指纹,则计算图像指纹的汉明距离就是比较两个字符串中对应位置的不同字符的个数。比如,“1011101”与“1001001”之间的汉明距离是2;“toned”与“roses”之间的汉明距离是3。图像指纹之间的汉明距离越近则证明图像之间的相似度越高,即图像之间越相似。
步骤409,服务器根据相似度、匹配值和地理位置确定第一图像对应的目标商户信息。
示意性的,步骤409可以替换为如下步骤:
步骤4091,获取相似度对应的第一权重和匹配值对应的第二权重。
示意性的,第一权重为0.6,第二权重为0.4。
步骤4092,计算相似度与第一权重的第一乘积,以及匹配值与第二权重的第二乘积。
第一图像指纹与第二图像指纹的相似度为85%,第一商户信息与候选商户信息到的匹配值为82%,则第一乘积为0.51(85%×0.6),第二乘积为0.328(82%×0.4)。
步骤4093,根据第一乘积与第二乘积的和,以及地理位置确定第一图像对应的目标商户信息。
服务器是以终端所在的地理位置为中心预设范围内的商户信息生成的商户信息列表,该商户信息列表包括至少一个候选商户信息,根据步骤4091至步骤4092计算得到的第一乘积与第二乘积的和,从候选商户信息中确定第一图像对应的目标商户信息。
示意性的,服务器设置有预设阈值0.8,第一乘积与第二乘积的和为0.838,大于预设阈值。服务器在候选商户信息中选择经过权重计算后最接近的商户信息作为第一图像对应的目标商户信息。
步骤410,服务器将目标商户信息发送至客户端。
服务器将确定的目标商户信息反馈给客户端,该客户端时发送商户信息查询请求的客户端。
综上所述,本实施例提供的方法,通过文字检测模型对第一图像中包含的文字信息进行识别,通过商标识别模型对第一图像中包含的商标信息进行识别,并结合客户端上报的地理位置,即使用户位于室内区域,通过获取门店店面的图像也能使得服务器能准确获得客户端想要查询的目标商户信息。通过“图像识别+定位分析”的双重方式,使得客户端能够接收到准确的商户信息。
通过灰度图中相邻像素的颜色强度来计算差异值,并根据差异值计算图像对应的差异哈希值,从而将差异哈希值作为图像的图像指纹,利用图像指纹来唯一标识图像,使得服务器能够以较快的运算速度准确地确定两张图像之间的相似度,从而进一步利用相似度确定目标商户信息。
根据相似度和匹配度各自对应的权重确定第一图像对应的目标商户信息,使得服务器结合多种因素准确确定目标商户信息。
可以理解的是,利用文字检测模型识别图像中的文字信息、利用商标识别模型识别图像中的商标信息、利用图像指纹计算图像相似度三种确定目标商户信息的方式可以分别单独实施,或两两组合实施,或全部组合实施。
此外,还可以利用场景识别模型对门店店面附近的环境进行识别,根据识别结果判断第一商户信息与候选商户信息是否匹配,场景识别模型是具有场景能别能力的机器学习模型;还可以利用风格识别模型对门店的装修风格或装饰风格进行识别,根据识别结果判断第一商户信息与候选商户信息是否匹配。可以理解的是,这两种方式可以分别单独与上述三种方式中的任意一种组合实施,或两者组合后与上述三种方式中的任意一种组合实施,或五种方式组合实施。
以文字检测模型识别文字信息为例对商户信息的获取方法进行说明。
图7示出了本申请一个示例性实施例提供的商户信息的获取方法,该方法可应用于如图2所示的计算机系统100中,该计算机系统100是商户信息的获取系统,包括客户端和服务器,客户端和服务器之间通过网络连接。该方法包括如下步骤:
步骤701,用户使用终端获取门店店面的第一图像。
示意性的,用户使用终端上支持拍摄功能的应用程序拍下门店店面,如图8所示,用户以正对门店店面的角度对门店进行拍照,但未拍摄到门店店面的全部。第一图像包括较大尺寸的店铺牌匾51和较小尺寸的店铺牌匾52,以及该门店独有的装饰花纹53。
步骤702,客户端将获取到的第一图像和终端所处的地理位置发送给服务器。
客户端将如图8所示的第一图像发送给服务器。终端通过定位系统将自身所处的地理位置上报给服务器。
步骤703,服务器根据地理位置生成商户信息列表。
示意性的,以终端所在的地理位置为中心,半径为500米的圆形区域作为预设范围,根据该预设范围内的商户信息生成商户信息列表。示意性的,在该预设范围内有三个商户信息,分别是门店a、门店b和门店c。
步骤704,服务器调用文字检测模型识别出图像中的第一文字信息。
文字检测模型是具有文字识别能力的机器学习模型,服务器调用文字检测模型对如图8所示的第一图像中的文字进行识别,得到第一文字信息为“第一楼”。在一些实施例中,服务器调用风格识别模型对店面的装饰风格进行识别,得到关于装饰花纹53的风格信息。
本申请实施例还提供了一种文字检测模型的训练方法,该方法应用于如图2所示的计算机系统100中的服务器102中,该方法包括:
步骤810,获取样本图像和样本图像的文字信息,样本图像是门店店面的图像。
样本图像可以是服务器收集的商户上传的图像,或者用户在查询商户信息时使用的图像,样本图像可以是以正对门店店面的角度拍摄的图像,或以任意角度面对门店店面拍摄的图像。样本图像包括门店的店铺名称(牌匾)、门店商标、门店的装修风格、门店附近的环境中的至少一种。
步骤820,将样本图像输入至文字检测模型中,得到样本图像对应的预测文字信息。
示意性的,文字检测模型对样本图像进行识别,得到样本图像的预测文字信息(店铺名称)是:小明的店。
步骤830,计算预测文字信息和文字信息的误差。
门店店面的实际文字信息是:小朋的店。服务器计算预测文字信息和实际文字信息的误差。在一些实施例中,通过误差损失函数计算两者之间的误差。误差损失函数可以是平滑的一范数损失函数(SmoothL1Loss),欧式损失函数(EuclideanLoss),或归一化损失指数函数(Softmaxloss),或其它损失函数。
步骤840,根据误差利用反向传播算法训练所述文字检测模型,得到训练后的文字检测模型。
根据步骤830得到的误差损失函数训练文字检测模型。
步骤705,服务器将识别出的第一文字信息与商户信息列表中第二文字信息进行匹配,得到匹配值。
服务器将第一文字信息与预先存储的第二文字信息进行匹配。商户在入驻平台时向服务器上传商户信息,服务器可以预先根据商户信息提取出第二文字信息,或在第一文字信息提取后再提取第二文字信息。
步骤706,服务器确定匹配结果是否唯一。
示意性的,第一文字信息与门店a的第二文字信息的匹配值是25%,与门店b的第二文字信息的匹配值是87%,与门店c的第二文字信息的匹配值是86%。第一文字信息与门店b和门店c的文字信息的匹配值相近,匹配的结果不唯一,执行步骤707;反之,当存在唯一的匹配结果时,执行步骤711。
步骤707,服务器通过感知哈希算法生成图像的图像指纹。
以生成第一图像指纹为例。服务器将获取到的第一图像压缩到小尺寸,取出图片中的细节,保留结构、明暗等基本信息。即生成如图6所示的图像,但此时生成的图像不是灰度图。服务器将缩小的图片转化为灰度图,如图6所示,图6中每个格子中的底纹代表不同的灰度。服务器计算灰度图上像素的差异值,差异值是通过计算每行相邻像素的颜色强度对比得出的,参见步骤407,此处不再赘述。
如图9所示,左图是客户端获取到的第一图像,第一图像包括较大尺寸的店铺名称60,较小尺寸的店铺名称61和装饰花纹62。右图是与第一图像进行比较的候选商户信息中的第二图像,其中右上方的第二图像包括较大尺寸的店铺名称63,较小尺寸的店铺名称64和装饰花纹65;右下方的第二图像包括店铺名称66。第一图像与右上方的第二图像的相似度是89.1%,第一图像与右下方的第二图像的相似度是54.6%。因此右上方的第二图像与第一图像更相似。
步骤708,服务器将第一图像指纹与商户信息列表中的第二图像指纹进行相似度计算。
通过汉明距离计算第一图像指纹和第二图像指纹的相似度,参见步骤408,此处不再赘述。
步骤709,服务器计算终端所在的地理位置与商户信息列表中的商户位置之间的距离。
在一些实施例中,可以通过计算终端所在的位置与商户之间的距离来确定目标商户信息。示意性的,商户信息列表包括门店a、门店b和门店c,终端所在的地理位置距离门店a的第一距离是50米,距离门店b的第二距离是200米,距离门店c的第三距离是890米。则服务器根据距离最短的原则,确定目标商户信息可能是门店a对应的商户信息。
步骤710,服务器根据终端所处的地理位置、匹配值与相似度确定匹配结果。
服务器从地理位置(或终端所在的位置与门店的距离)的角度、匹配值的角度、相似度的角度,综合确定第一图像对应的第一商户信息与商户信息列表中的候选商户信息之间的匹配结果。
可以理解的是,服务器可以单独从地理位置的角度,或单独从匹配值的角度,或单独从相似度的角度,或任意两种角度结合的方式确定匹配结果。
步骤711,服务器将匹配到的结果反馈给客户端。
步骤712,客户端根据匹配结果显示目标商户信息。
客户端根据接收到的匹配结果显示目标商户信息,目标商户信息包括门店的名称、经营范围、联系电话、地址、好评率、人均消费等信息。
综上所述,本实施例提供的方法,通过结合文字检测模型与地理位置,使得服务器能够准确向客户端反馈目标商户信息,提高人机交互效率及用户获取信息的准确率。
图10示出了本申请一个示例性实施例提供的商户信息的获取方法,该方法应用于如图2所示的计算机系统100中的终端101中,所述方法包括:
步骤1001,获取第一图像和终端所在的地理位置,第一图像是商户对应的门店店面的图像。
示意性的,用户打开支持查询商户信息的应用程序,该应用程序调用终端的摄像应用程序拍摄门店店面的照片。
步骤1002,响应于接收到查询操作,向服务器发送商户信息查询请求,商户信息查询请求携带有第一图像和地理位置。
示意性的,如图11所示,在应用程序的用户界面上显示有已拍摄的照片70和查询控件71,用户点击查询控件71向服务器发送商户信息查询请求,商户信息查询请求携带有拍摄到的照片和终端所在的地理位置。
步骤1003,显示第一图像对应的目标商户信息,目标商户信息是服务器根据第一图像和地理位置查询到的。
客户端在接收到服务器发送的目标商户信息后,显示该目标商户信息,如图2中左下图所示。
综上所述,本实施例提供的方法,通过结合客户端显示商户信息,使得用户能够以更加直观的方式查询目标商户信息。
以下为本申请的装置实施例,对于装置实施例中未详细描述的细节,可以结合参考上述方法实施例中相应的记载,本文不再赘述。
图12示出了本申请的一个示例性实施例提供的商户信息的获取装置的结构示意图。该装置可以通过软件、硬件或者两者的结合实现成为终端的全部或一部分,该装置包括:
获取模块1210,用于获取第一图像和终端所在的地理位置,第一图像是商户对应的门店店面的图像;
发送模块1220,用于响应于接收到查询操作,向服务器发送商户信息查询请求,商户信息查询请求携带有所述第一图像和所述地理位置;
显示模块1230,用于显示第一图像对应的目标商户信息,目标商户信息是服务器根据第一图像和地理位置查询到的。
图13示出了本申请的一个示例性实施例提供的商户信息的获取装置的结构示意图。该装置可以通过软件、硬件或者两者的结合实现成为终端的全部或一部分,该装置包括:
生成模块1310,用于根据地理位置生成商户信息列表,商户信息列表包括候选商户信息;
识别模块1320,用于对第一图像进行识别,得到第一商户信息;将第一商户信息与候选商户信息进行匹配,得到商户信息的匹配值;
处理模块1330,用于根据匹配值从候选商户信息中确定第一图像对应的目标商户信息;
发送模块1340,用于将目标商户信息发送至客户端。
在一个可选的实施例中,所述识别模块1320,用于从第一图像中提取第一图像指纹,从候选商户信息的第二图像中提取第二图像指纹;计算第一图像指纹和所述第二图像指纹的相似度;所述处理模块1330,用于根据相似度、匹配值和地理位置确定第一图像对应的目标商户信息。
在一个可选的实施例中,该装置包括获取模块1350;
所述获取模块1350,用于获取相似度对应的第一权重和匹配值对应的第二权重;所述处理模块1330,用于计算相似度与第一权重的第一乘积,以及匹配值与第二权重的第二乘积;根据第一乘积与第二乘积的和,以及地理位置确定第一图像对应的目标商户信息。
在一个可选的实施例中,所述获取模块1350,用于获取第一图像对应的第一灰度图;所述处理模块1330,用于计算第一灰度图中的相邻像素之间的差异值,得到第一差异值序列;根据第一差异值序列得到第一图像指纹。
在一个可选的实施例中,所述处理模块1330,用于比较第一灰度图的每一行像素中相邻像素之间的颜色强度,得到每一行像素中相邻像素之间的差异值;根据每一行像素中相邻像素之间的差异值,得到第一灰度图对应的第一差异值序列;根据第一差异值序列,得到第一灰度图对应的差异哈希值;将差异哈希值作为第一图像指纹。
在一个可选的实施例中,所述处理模块1330,用于计算第一图像指纹与第二图像指纹的汉明距离;根据汉明距离确定第一图像指纹与第二图像指纹的相似度。
在一个可选的实施例中,所述处理模块1330,用于调用文字检测模型对第一图像进行识别,得到第一图像中的第一文字信息,文字检测模型是具有文字识别能力的机器学习模型;将第一文字信息与候选商户信息的第二文字信息进行匹配,得到商户信息的第一匹配值。
在一个可选的实施例中,文字检测模型包括全卷积神经网络;所述处理模块1330,用于调用全卷积神经网络对第一图像进行识别,得到第一图像中的第一文字信息。
在一个可选的实施例中,所述处理模块1330,用于调用商标识别模型对第一图像进行识别,得到第一图像中的第一商标信息,商标识别模型是具有商标识别能力的机器学习模型;将第一商标信息与候选商户信息的第二商标信息进行匹配,得到商户信息的第二匹配值。
在一个可选的实施例中,所述获取模块1350,用于获取以地理位置为中心的预设范围内的商户信息;所述生成模块1310,用于根据预设范围内的商户信息生成商户信息列表。
在一个可选的实施例中,该装置包括训练模块1360;
所述训练模块1360,用于获取样本图像和样本图像的文字信息,样本图像是门店店面的图像;将样本图像输入至文字检测模型中,得到样本图像对应的预测文字信息;计算预测文字信息和文字信息的误差;根据误差利用反向传播算法训练文字检测模型,得到训练后的文字检测模型。
图14示出了本申请一个示例性实施例提供的服务器的结构示意图。该服务器可以是如图2所示的计算机系统100中。具体来讲:
服务器1400包括中央处理单元(CPU,Central Processing Unit)1401、包括随机存取存储器(RAM,Random Access Memory)1402和只读存储器(ROM,Read Only Memory)1403的系统存储器1404,以及连接系统存储器1404和中央处理单元1401的系统总线1405。服务器1400还包括帮助计算机内的各个器件之间传输信息的基本输入/输出系统(I/O系统,Input Output System)1406,和用于存储操作系统1413、应用程序1414和其他程序模块1415的大容量存储设备1407。
基本输入/输出系统1406包括有用于显示信息的显示器1407和用于用户输入信息的诸如鼠标、键盘之类的输入设备1409。其中显示器1407和输入设备1409都通过连接到系统总线1405的输入输出控制器1410连接到中央处理单元1401。基本输入/输出系统1406还可以包括输入输出控制器1410以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地,输入输出控制器1410还提供输出到显示屏、打印机或其他类型的输出设备。
大容量存储设备1407通过连接到系统总线1405的大容量存储控制器(未示出)连接到中央处理单元1401。大容量存储设备1407及其相关联的计算机可读介质为服务器1400提供非易失性存储。也就是说,大容量存储设备1407可以包括诸如硬盘或者紧凑型光盘只读存储器(CD-ROM,Compact Disc Read Only Memory)驱动器之类的计算机可读介质(未示出)。
计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、可擦除可编程只读存储器(EPROM,Erasable Programmable Read Only Memory)、带电可擦可编程只读存储器(EEPROM,Electrically Erasable Programmable Read Only Memory)、闪存或其他固态存储其技术,CD-ROM、数字通用光盘(DVD,Digital Versatile Disc)或固态硬盘(SSD,Solid State Drives)、其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。其中,随机存取记忆体可以包括电阻式随机存取记忆体(ReRAM,Resistance RandomAccess Memory)和动态随机存取存储器(DRAM,Dynamic Random Access Memory)。当然,本领域技术人员可知计算机存储介质不局限于上述几种。上述的系统存储器1404和大容量存储设备1407可以统称为存储器。
根据本申请的各种实施例,服务器1400还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即服务器1400可以通过连接在系统总线1405上的网络接口单元1411连接到网络1412,或者说,也可以使用网络接口单元1411来连接到其他类型的网络或远程计算机系统(未示出)。
上述存储器还包括一个或者一个以上的程序,一个或者一个以上程序存储于存储器中,被配置由CPU执行。
在一个可选的实施例中,提供了一种计算机设备,该计算机设备包括处理器和存储器,存储器中存储有至少一条指令、至少一段程序、代码集或指令集,至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现如上所述的商户信息的获取方法。
在一个可选的实施例中,提供了一种计算机可读存储介质,该存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现如上所述的商户信息的获取方法。
可选地,该计算机可读存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random Access Memory)、固态硬盘(SSD,Solid State Drives)或光盘等。其中,随机存取记忆体可以包括电阻式随机存取记忆体(ReRAM,Resistance RandomAccess Memory)和动态随机存取存储器(DRAM,Dynamic Random Access Memory)。上述本申请实施例序号仅为了描述,不代表实施例的优劣。
下面是对本申请应用的计算机设备进行说明,请参考图15,其示出了本申请一个示例性实施例提供的计算机设备1500的结构框图。该计算机设备1500可以是便携式移动终端,比如:智能手机、平板电脑、MP3播放器(Moving Picture Experts Group Audio LayerIII,动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group AudioLayer IV,动态影像专家压缩标准音频层面4)播放器。计算机设备1500还可能被称为用户设备、便携式终端等其他名称。
通常,计算机设备1500包括有:处理器1501和存储器1502。
处理器1501可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器1501可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器1501也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器1501可以在集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器1501还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器1502可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是有形的和非暂态的。存储器1502还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器1502中的非暂态的计算机可读存储介质用于存储至少一个指令,该至少一个指令用于被处理器1501所执行以实现本申请中提供的商户信息的获取方法。
在一些实施例中,计算机设备1500还可选包括有:外围设备接口1503和至少一个外围设备。具体地,外围设备包括:射频电路1504、触摸显示屏1505、摄像头1506、音频电路1507、定位组件1508和电源1509中的至少一种。
外围设备接口1503可被用于将I/O(Input/Output,输入/输出)相关的至少一个外围设备连接到处理器1501和存储器1502。在一些实施例中,处理器1501、存储器1502和外围设备接口1503被集成在同一芯片或电路板上;在一些其他实施例中,处理器1501、存储器1502和外围设备接口1503中的任意一个或两个可以在单独的芯片或电路板上实现,本实施例对此不加以限定。
射频电路1504用于接收和发射RF(Radio Frequency,射频)信号,也称电磁信号。射频电路1504通过电磁信号与通信网络以及其他通信设备进行通信。射频电路1504将电信号转换为电磁信号进行发送,或者,将接收到的电磁信号转换为电信号。可选地,射频电路1504包括:天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路1504可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于:万维网、城域网、内联网、各代移动通信网络(2G,或3G,或4G,或5G,或它们的组合)、无线局域网和/或WiFi(Wireless Fidelity,无线保真)网络。在一些实施例中,射频电路1504还可以包括NFC(Near Field Communication,近距离无线通信)有关的电路,本申请对此不加以限定。
触摸显示屏1505用于显示UI(User Interface,用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。触摸显示屏1505还具有采集在触摸显示屏1505的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器1501进行处理。触摸显示屏1505用于提供虚拟按钮和/或虚拟键盘,也称软按钮和/或软键盘。在一些实施例中,触摸显示屏1505可以为一个,设置计算机设备1500的前面板;在另一些实施例中,触摸显示屏1505可以为至少两个,分别设置在计算机设备1500的不同表面或呈折叠设计;在一些实施例中,触摸显示屏1505可以是柔性显示屏,设置在计算机设备1500的弯曲表面上或折叠面上。甚至,触摸显示屏1505还可以设置成非矩形的不规则图形,也即异形屏。触摸显示屏1505可以采用LCD(Liquid Crystal Display,液晶显示器)、OLED(OrganicLight-Emitting Diode,有机发光二极管)等材质制备。
摄像头组件1506用于采集图像或视频。可选地,摄像头组件1506包括前置摄像头和后置摄像头。通常,前置摄像头用于实现视频通话或自拍,后置摄像头用于实现照片或视频的拍摄。在一些实施例中,后置摄像头为至少两个,分别为主摄像头、景深摄像头、广角摄像头中的任意一种,以实现主摄像头和景深摄像头融合实现背景虚化功能,主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality,虚拟现实)拍摄功能。在一些实施例中,摄像头组件1506还可以包括闪光灯。闪光灯可以是单色温闪光灯,也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合,可以用于不同色温下的光线补偿。
音频电路1507用于提供用户和计算机设备1500之间的音频接口。音频电路1507可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波,并将声波转换为电信号输入至处理器1501进行处理,或者输入至射频电路1504以实现语音通信。出于立体声采集或降噪的目的,麦克风可以为多个,分别设置在计算机设备1500的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器1501或射频电路1504的电信号转换为声波。扬声器可以是传统的薄膜扬声器,也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时,不仅可以将电信号转换为人类可听见的声波,也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中,音频电路1507还可以包括耳机插孔。
定位组件1508用于定位计算机设备1500的当前地理位置,以实现导航或LBS(Location Based Service,基于位置的服务)。定位组件1508可以是基于美国的GPS(Global Positioning System,全球定位系统)、中国的北斗系统或俄罗斯的伽利略系统的定位组件。
电源1509用于为计算机设备1500中的各个组件进行供电。电源1509可以是交流电、直流电、一次性电池或可充电电池。当电源1509包括可充电电池时,该可充电电池可以是有线充电电池或无线充电电池。有线充电电池是通过有线线路充电的电池,无线充电电池是通过无线线圈充电的电池。该可充电电池还可以用于支持快充技术。
在一些实施例中,计算机设备1500还包括有一个或多个传感器1510。该一个或多个传感器1510包括但不限于:加速度传感器1511、陀螺仪传感器1512、压力传感器1513、指纹传感器1514、光学传感器1515以及接近传感器1516。
加速度传感器1511可以检测以计算机设备1500建立的坐标系的三个坐标轴上的加速度大小。比如,加速度传感器1511可以用于检测重力加速度在三个坐标轴上的分量。处理器1501可以根据加速度传感器1511采集的重力加速度信号,控制触摸显示屏1505以横向视图或纵向视图进行用户界面的显示。加速度传感器1511还可以用于游戏或者用户的运动数据的采集。
陀螺仪传感器1512可以检测计算机设备1500的机体方向及转动角度,陀螺仪传感器1512可以与加速度传感器1511协同采集用户对计算机设备1500的3D动作。处理器1501根据陀螺仪传感器1512采集的数据,可以实现如下功能:动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。
压力传感器1513可以设置在计算机设备1500的侧边框和/或触摸显示屏1505的下层。当压力传感器1513设置在计算机设备1500的侧边框时,可以检测用户对计算机设备1500的握持信号,根据该握持信号进行左右手识别或快捷操作。当压力传感器1513设置在触摸显示屏1505的下层时,可以根据用户对触摸显示屏1505的压力操作,实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。
指纹传感器1514用于采集用户的指纹,以根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时,由处理器1501授权该用户执行相关的敏感操作,该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器1514可以被设置计算机设备1500的正面、背面或侧面。当计算机设备1500上设置有物理按键或厂商Logo时,指纹传感器1514可以与物理按键或厂商Logo集成在一起。
光学传感器1515用于采集环境光强度。在一个实施例中,处理器1501可以根据光学传感器1515采集的环境光强度,控制触摸显示屏1505的显示亮度。具体地,当环境光强度较高时,调高触摸显示屏1505的显示亮度;当环境光强度较低时,调低触摸显示屏1505的显示亮度。在另一个实施例中,处理器1501还可以根据光学传感器1515采集的环境光强度,动态调整摄像头组件1506的拍摄参数。
接近传感器1516,也称距离传感器,通常设置在计算机设备1500的正面。接近传感器1516用于采集用户与计算机设备1500的正面之间的距离。在一个实施例中,当接近传感器1516检测到用户与计算机设备1500的正面之间的距离逐渐变小时,由处理器1501控制触摸显示屏1505从亮屏状态切换为息屏状态;当接近传感器1516检测到用户与计算机设备1500的正面之间的距离逐渐变大时,由处理器1501控制触摸显示屏1505从息屏状态切换为亮屏状态。
本领域技术人员可以理解,图15中示出的结构并不构成对计算机设备1500的限定,可以包括比图示更多或更少的组件,或者组合某些组件,或者采用不同的组件布置。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
应当理解的是,在本文中提及的“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本申请的可选实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (15)
1.一种商户信息的获取系统,其特征在于,所述系统包括:客户端和服务器,所述客户端和所述服务器之间通过网络连接;
所述客户端,用于获取第一图像和终端所在的地理位置,所述第一图像是商户对应的门店店面的图像;向所述服务器发送商户信息查询请求,所述商户信息查询请求携带有所述第一图像和所述地理位置;
所述服务器,用于根据所述地理位置生成商户信息列表,所述商户信息列表包括候选商户信息;对所述第一图像进行识别,得到第一商户信息;将所述第一商户信息与所述候选商户信息进行匹配,得到所述商户信息的匹配值;根据所述匹配值从所述候选商户信息中确定所述第一图像对应的目标商户信息;将所述目标商户信息发送至所述客户端。
2.根据权利要求1所述的系统,其特征在于,所述服务器,用于:
从所述第一图像中提取第一图像指纹,从所述候选商户信息的第二图像中提取第二图像指纹;
计算所述第一图像指纹和所述第二图像指纹的相似度;
根据所述相似度、所述匹配值和所述地理位置确定所述第一图像对应的目标商户信息。
3.根据权利要求2所述的系统,其特征在于,所述服务器,用于:
获取所述相似度对应的第一权重和所述匹配值对应的第二权重;
计算所述相似度与所述第一权重的第一乘积,以及所述匹配值与所述第二权重的第二乘积;
根据所述第一乘积与所述第二乘积的和,以及所述地理位置确定所述第一图像对应的目标商户信息。
4.根据权利要求2所述的系统,其特征在于,所述服务器,用于:
获取所述第一图像对应的第一灰度图;
计算所述第一灰度图中的相邻像素之间的差异值,得到第一差异值序列;
根据所述第一差异值序列得到所述第一图像指纹。
5.根据权利要求4所述的系统,其特征在于,所述服务器,用于:
比较所述第一灰度图的每一行像素中相邻像素之间的颜色强度,得到所述每一行像素中相邻像素之间的差异值;
根据所述每一行像素中相邻像素之间的差异值,得到所述第一灰度图对应的所述第一差异值序列;
根据所述第一差异值序列,得到所述第一灰度图对应的差异哈希值;
将所述差异哈希值作为所述第一图像指纹。
6.根据权利要求2所述的系统,其特征在于,所述服务器,用于:
计算所述第一图像指纹与所述第二图像指纹的汉明距离;
根据所述汉明距离确定所述第一图像指纹与所述第二图像指纹的相似度。
7.根据权利要求1所述的系统,其特征在于,所述服务器,用于:
调用文字检测模型对所述第一图像进行识别,得到所述第一图像中的第一文字信息,所述文字检测模型是具有文字识别能力的机器学习模型;将所述第一文字信息与所述候选商户信息的第二文字信息进行匹配,得到所述商户信息的第一匹配值。
8.根据权利要求7所述的系统,其特征在于,所述文字检测模型包括全卷积神经网络;
所述服务器,用于调用所述全卷积神经网络对所述第一图像进行识别,得到所述第一图像中的所述第一文字信息。
9.根据权利要求1所述的系统,其特征在于,所述服务器,用于:
调用商标识别模型对所述第一图像进行识别,得到所述第一图像中的第一商标信息,所述商标识别模型是具有商标识别能力的机器学习模型;将所述第一商标信息与所述候选商户信息的第二商标信息进行匹配,得到所述商户信息的第二匹配值。
10.根据权利要求1至9任一所述的系统,其特征在于,所述服务器,用于:
获取以所述地理位置为中心的预设范围内的商户信息;
根据所述预设范围内的商户信息生成所述商户信息列表。
11.一种商户信息的获取方法,其特征在于,所述方法应用于客户端中,所述方法包括:
获取第一图像和终端所在的地理位置,所述第一图像是商户对应的门店店面的图像;
响应于接收到查询操作,向服务器发送商户信息查询请求,所述商户信息查询请求携带有所述第一图像和所述地理位置;
显示所述第一图像对应的目标商户信息,所述目标商户信息是服务器根据所述第一图像和所述地理位置查询到的。
12.一种文字检测模型的训练方法,其特征在于,所述方法包括:
获取样本图像和所述样本图像的文字信息,所述样本图像是门店店面的图像;
将所述样本图像输入至所述文字检测模型中,得到所述样本图像对应的预测文字信息;
计算所述预测文字信息和所述文字信息的误差;
根据所述误差利用反向传播算法训练所述文字检测模型,得到训练后的文字检测模型。
13.一种商户信息的获取装置,其特征在于,所述装置包括:
获取模块,用于获取第一图像和终端所在的地理位置,所述第一图像是商户对应的门店店面的图像;
发送模块,用于响应于接收到查询操作,向服务器发送商户信息查询请求,所述商户信息查询请求携带有所述第一图像和所述地理位置;
显示模块,用于显示所述第一图像对应的目标商户信息,所述目标商户信息是服务器根据所述第一图像和所述地理位置查询到的。
14.一种计算机设备,其特征在于,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述指令、所述程序、所述代码集或所述指令集由所述处理器加载并执行以实现如权利要求11所述的商户信息的获取方法。
15.一种计算机可读存储介质,其特征在于,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行,以实现如权利要求11所述的商户信息的获取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010553229.3A CN111737547A (zh) | 2020-06-17 | 2020-06-17 | 商户信息的获取系统、方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010553229.3A CN111737547A (zh) | 2020-06-17 | 2020-06-17 | 商户信息的获取系统、方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111737547A true CN111737547A (zh) | 2020-10-02 |
Family
ID=72649466
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010553229.3A Withdrawn CN111737547A (zh) | 2020-06-17 | 2020-06-17 | 商户信息的获取系统、方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111737547A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112381100A (zh) * | 2020-12-07 | 2021-02-19 | 安徽江淮汽车集团股份有限公司 | 智能座舱系统中控报警文字识别方法、装置及设备 |
CN112580620A (zh) * | 2020-12-25 | 2021-03-30 | 北京百度网讯科技有限公司 | 标志图片处理方法、装置、设备和介质 |
CN113065016A (zh) * | 2021-03-23 | 2021-07-02 | 支付宝(杭州)信息技术有限公司 | 线下门店信息处理方法、装置、设备及系统 |
CN113129113A (zh) * | 2021-05-13 | 2021-07-16 | 上海寻梦信息技术有限公司 | 基于地理围栏的门店匹配方法、系统、设备及存储介质 |
CN113220384A (zh) * | 2021-03-31 | 2021-08-06 | 郑州大学 | 基于门禁设备的信息发布系统、方法、电子设备和介质 |
CN113347262A (zh) * | 2021-06-09 | 2021-09-03 | 北京三快在线科技有限公司 | 位置指引方法、装置、存储介质及电子设备 |
CN115118749A (zh) * | 2021-06-11 | 2022-09-27 | 支付宝(杭州)信息技术有限公司 | 车辆信息采集方法及装置、车辆订单处理方法及装置 |
WO2023279890A1 (zh) * | 2021-07-06 | 2023-01-12 | 北京锐安科技有限公司 | 图像处理方法、装置、电子设备及存储介质 |
WO2023000780A1 (zh) * | 2021-07-23 | 2023-01-26 | 北京字节跳动网络技术有限公司 | 一种信息查询方法及其相关设备 |
CN116109643A (zh) * | 2023-04-13 | 2023-05-12 | 深圳市明源云科技有限公司 | 市场布局数据采集方法、设备及计算机可读存储介质 |
CN116416134A (zh) * | 2023-04-04 | 2023-07-11 | 阿里巴巴(中国)有限公司 | 图像超分处理方法、系统、设备、存储介质和程序产品 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104751344A (zh) * | 2013-12-27 | 2015-07-01 | 腾讯科技(深圳)有限公司 | 一种商品信息的处理方法、装置和系统 |
US20170262889A1 (en) * | 2016-03-09 | 2017-09-14 | Mastercard International Incorporated | Methods and Devices for Identifying a Merchant |
CN109087167A (zh) * | 2018-07-31 | 2018-12-25 | 西安艾润物联网技术服务有限责任公司 | 服务信息推送方法、相关设备以及存储介质 |
CN109189960A (zh) * | 2018-11-12 | 2019-01-11 | 平安科技(深圳)有限公司 | 信息获取方法、信息获取装置及计算机存储介质 |
CN109492122A (zh) * | 2018-11-26 | 2019-03-19 | Oppo广东移动通信有限公司 | 商家信息的获取方法、装置、终端及计算机可读存储介质 |
-
2020
- 2020-06-17 CN CN202010553229.3A patent/CN111737547A/zh not_active Withdrawn
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104751344A (zh) * | 2013-12-27 | 2015-07-01 | 腾讯科技(深圳)有限公司 | 一种商品信息的处理方法、装置和系统 |
US20170262889A1 (en) * | 2016-03-09 | 2017-09-14 | Mastercard International Incorporated | Methods and Devices for Identifying a Merchant |
CN109087167A (zh) * | 2018-07-31 | 2018-12-25 | 西安艾润物联网技术服务有限责任公司 | 服务信息推送方法、相关设备以及存储介质 |
CN109189960A (zh) * | 2018-11-12 | 2019-01-11 | 平安科技(深圳)有限公司 | 信息获取方法、信息获取装置及计算机存储介质 |
CN109492122A (zh) * | 2018-11-26 | 2019-03-19 | Oppo广东移动通信有限公司 | 商家信息的获取方法、装置、终端及计算机可读存储介质 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112381100A (zh) * | 2020-12-07 | 2021-02-19 | 安徽江淮汽车集团股份有限公司 | 智能座舱系统中控报警文字识别方法、装置及设备 |
CN112580620A (zh) * | 2020-12-25 | 2021-03-30 | 北京百度网讯科技有限公司 | 标志图片处理方法、装置、设备和介质 |
CN113065016A (zh) * | 2021-03-23 | 2021-07-02 | 支付宝(杭州)信息技术有限公司 | 线下门店信息处理方法、装置、设备及系统 |
CN113220384B (zh) * | 2021-03-31 | 2023-06-23 | 郑州大学 | 基于门禁设备的信息发布系统、方法、电子设备和介质 |
CN113220384A (zh) * | 2021-03-31 | 2021-08-06 | 郑州大学 | 基于门禁设备的信息发布系统、方法、电子设备和介质 |
CN113129113A (zh) * | 2021-05-13 | 2021-07-16 | 上海寻梦信息技术有限公司 | 基于地理围栏的门店匹配方法、系统、设备及存储介质 |
CN113347262A (zh) * | 2021-06-09 | 2021-09-03 | 北京三快在线科技有限公司 | 位置指引方法、装置、存储介质及电子设备 |
CN113347262B (zh) * | 2021-06-09 | 2022-12-30 | 北京三快在线科技有限公司 | 位置指引方法、装置、存储介质及电子设备 |
CN115118749A (zh) * | 2021-06-11 | 2022-09-27 | 支付宝(杭州)信息技术有限公司 | 车辆信息采集方法及装置、车辆订单处理方法及装置 |
CN115118749B (zh) * | 2021-06-11 | 2024-04-12 | 支付宝(杭州)信息技术有限公司 | 车辆信息采集方法及装置、车辆订单处理方法及装置 |
WO2023279890A1 (zh) * | 2021-07-06 | 2023-01-12 | 北京锐安科技有限公司 | 图像处理方法、装置、电子设备及存储介质 |
WO2023000780A1 (zh) * | 2021-07-23 | 2023-01-26 | 北京字节跳动网络技术有限公司 | 一种信息查询方法及其相关设备 |
CN116416134A (zh) * | 2023-04-04 | 2023-07-11 | 阿里巴巴(中国)有限公司 | 图像超分处理方法、系统、设备、存储介质和程序产品 |
CN116109643A (zh) * | 2023-04-13 | 2023-05-12 | 深圳市明源云科技有限公司 | 市场布局数据采集方法、设备及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111737547A (zh) | 商户信息的获取系统、方法、装置、设备及存储介质 | |
CN110121118B (zh) | 视频片段定位方法、装置、计算机设备及存储介质 | |
CN111652678B (zh) | 物品信息显示方法、装置、终端、服务器及可读存储介质 | |
CN110059685B (zh) | 文字区域检测方法、装置及存储介质 | |
CN109189879B (zh) | 电子书籍显示方法及装置 | |
US20140079281A1 (en) | Augmented reality creation and consumption | |
CN111506758B (zh) | 物品名称确定方法、装置、计算机设备及存储介质 | |
KR102627612B1 (ko) | 증강현실을 이용한 주변 정보 표시 방법 및 그 전자 장치 | |
CN111897996B (zh) | 话题标签推荐方法、装置、设备及存储介质 | |
US20140078174A1 (en) | Augmented reality creation and consumption | |
CN109117635B (zh) | 应用程序的病毒检测方法、装置、计算机设备及存储介质 | |
CN108270794B (zh) | 内容发布方法、装置及可读介质 | |
CN111352687A (zh) | 发票填写方法、装置、终端及存储介质 | |
CN111708944A (zh) | 多媒体资源识别方法、装置、设备及存储介质 | |
CN111028071B (zh) | 账单处理方法、装置、电子设备及存储介质 | |
CN110738185B (zh) | 表单对象的识别方法、装置及存储介质 | |
CN110457571B (zh) | 获取兴趣点信息的方法、装置、设备及存储介质 | |
CN111614924A (zh) | 计算机系统、资源发送方法、装置、设备及介质 | |
US11238622B2 (en) | Method of providing augmented reality contents and electronic device therefor | |
CN111754272A (zh) | 广告推荐方法、推荐广告显示方法、装置及设备 | |
CN111563201A (zh) | 内容推送方法、装置、服务器及存储介质 | |
CN110990728A (zh) | 兴趣点信息的管理方法、装置、设备及存储介质 | |
CN112989198B (zh) | 推送内容的确定方法、装置、设备及计算机可读存储介质 | |
CN112230822B (zh) | 评论信息的显示方法、装置、终端及存储介质 | |
CN111539794A (zh) | 凭证信息的获取方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20201002 |
|
WW01 | Invention patent application withdrawn after publication |